动手实战人工智能 AI By Doing
动手实战人工智能系列教程，希望从监督学习开始，带你入门机器学习和深度学习。我尝试剖析和推导每一个基础算法的原理，将数学过程写出来，同时基于 Python 代码对公式进行实现，做到公式和代码的一一对应。下面是学习内容和章节。
# 监督学习：回归
1. 环境说明
2. 机器学习综述及示例
3. 线性回归实现与应用
4. 北京市住房价格预测
5. 多项式回归实现与应用
6. 比特币价格预测及绘图
7. 岭回归和 LASSO 回归实现
8. 使用矩阵计算岭回归系数
9. 回归模型评价与检验
10. 回归方法综合应用练习
# 监督学习：分类
11. 逻辑回归实现与应用
12. 梯度下降法实现与应用
13. K 近邻算法实现与应用
14. K 近邻回归算法实现与应用
15. 朴素贝叶斯实现及应用
16. 高斯分布函数实现及绘图
17. 分类模型评价方法
18. 支持向量机实现与应用
19. 支持向量机实现人像分类
20. 决策树实现与应用
21. 决策树模型参数优化及选择
22. 装袋和提升集成学习方法
23. 异质集成投票方法应用
24. 使用交叉验证快速选择模型
# 无监督学习：聚类
25. 划分聚类方法实现与应用
26. 使用 K-Means 完成图像压缩
27. 层次聚类方法实现与应用
28. 主成分分析原理及应用
29. 层次聚类应用及聚类树绘制
30. 密度聚类方法实现与应用
31. 密度聚类标记异常共享单车
32. 谱聚类及其他聚类方法应用
33. 常用聚类算法对比评估
无监督学习：关联规则
34. Apriori 关联规则学习方法
35. 购物数据关联规则分析
36. 时间序列数据分析处理
37. 股票时间序列数据处理
38. 时间序列数据建模分析
39. 农业生产指数建模分析
# 机器学习工程：模型部署和推理
40. 自动化机器学习综述
41. 自动化机器学习实践应用
42. AutoML 完成手写字符分类
43. 机器学习模型推理与部署
44. 蘑菇分类模型部署和推理
45. 机器学习模型动态增量训练
46. 在线学习及云端模型部署
# 深度学习原理：人工神经网络
47. 深度学习综述和示例
48. 感知机和人工神经网络
49. 手写字符识别神经网络
# 深度学习框架：TensorFlow & PyTorch
50. TensorFlow 基础概念语法
51. TensorFlow 加州房价预测
52. TensorFlow 构建神经网络
53. TensorFlow 汽车评估分类
54. TensorFlow 高阶 API 使用
55. TensorFlow 时尚物品分类
56. PyTorch 基础概念语法
57. PyTorch 构建神经网络
58. PyTorch 实现线性回归
# 深度学习应用：计算机视觉
59. 卷积神经网络原理
60. 卷积神经网络构建
61. 构建 LeNet-5 Estimator
62. 图像分类原理与实践
63. 迁移学习完成动物分类
64. 生成对抗网络原理及构建
65. DCGAN 动漫人物图像生成
66. 自动编码器原理及构建
67. 卷积自动编码器图像去噪
68. 目标检测原理与实践
69. YOLO 图像目标检测应用
# 深度学习应用：自然语言处理
70. 循环神经网络原理
71. 循环神经网络构建
72. LSTM 预测股票价格
73. 文本分类原理与实践
74. 深度学习完成假新闻分类
75. 自然语言处理框架拓展
76. Google BERT 预训练技术
77. 神经机器翻译和对话系统
# 深度学习工程：模型部署和推理
78. 自动化深度学习综述
79. 自动化深度学习实践
80. 仙人掌航拍照片分类识别
81. 深度学习模型推理和部署
82. 构建图像分类推理服务
83. 深度学习云端服务实践
84. 云服务识别增值税发票
# 强化学习基础
85. 强化学习介绍与示例
86. Q-Learning 强化学习方法实现
87. 实现 Sarsa 学习算法走出迷宫
参考
